光速AI運算：光子聯合轉換相關器（pJTC）引領AI的節能未來

關鍵字：()；；()；()；()；

瀏覽次數：578｜歡迎推文：

科技產業資訊室(iKnow) - 廖雅韻發表於 2025年9月12日

圖、光速AI運算：光子聯合轉換相關器（pJTC）引領AI的節能未來

面對人工智慧（AI）的快速發展，能源消耗已成為一大瓶頸。尤其在核心的卷積神經網路（Convolutional Neural Networks, CNN）運算中，其龐大計算負擔佔據了超過九成的能耗。為此，佛羅里達大學、加州大學洛杉磯分校和喬治華盛頓大學的研究團隊，共同開發了光子聯合轉換相關器（Photonic Joint Transform Correlator, pJTC）技術，該技術利用光學傅立葉轉換（Fourier Transformation, FT）大幅加速CNN運算，顯著降低能源需求，為AI計算開闢了一條更高效、節能的新道路，其研究成果發表於《Advanced Photonics》期刊。

傳統的電子系統要實現FT，其計算複雜度高達O(N²logN)，成本高昂且耗能巨大。相比之下，光學系統能夠利用透鏡輕易完成這項任務，其速度和效率遠超電子系統。pJTC技術的核心創新，正是開發出近乎無能量消耗的片上FT，成功地將CNN的計算複雜度從O(N⁴)大幅降低至O(N²)。pJTC的架構設計靈感源自聯合轉換相關器（JTCs），但與傳統的4F光學系統不同的是，它允許信號和內核位於同一平面，大幅簡化了系統實現，減少了組件需求，並顯著提高了系統穩定性。

pJTC技術能在AI領域實現突破，歸功於其在三個關鍵領域的重大創新。首先是超高速可程式化，pJTC的運作速度可達GHz等級，比傳統技術快上百萬倍，能即時調整AI模型的運算核心與數據。其次是標準化組件整合，利用現有成熟的光子積體電路（Photonic Integrated Circuit, PIC），並結合矽光子傅立葉透鏡（On-chip Silicon Photonics-based Fourier Lens），簡化了硬體設計，為商業化鋪路。第三是晶片整合雷射技術，透過光譜多工技術，pJTC能在不同光波長上同時進行多個運算，實現高度並行化，並藉由光子線鍵合技術（Photonic Wire Bonding Technologies）將雷射光源直接整合至晶片，提升效能。

在實際測試中，pJTC展現出了令人矚目的性能表現。微碟共振調製器（Micro-disk Modulators, MDMs）的Q值達到4500，消光比約10 dB，在1GHz運行速度下顯示出良好的信號完整性。系統的穩定性更是出色，30次重複測量的標準差僅為78.9 nW，小於平均輸出差分的4%，24小時穩定性分析也證實了系統的可靠性。在機器學習應用驗證方面，pJTC在MNIST數據集手寫數字識別任務中達到98.0%的準確度。即使在存在10%隨機時間延遲的挑戰性條件下，準確度仍能達到95.3%，充分展示了系統對電信號延遲的穩健性。在Fashion-MNIST數據集測試中，即便有10%隨機延遲，準確度依然可達85.2%。

pJTC技術就像是為AI數據處理打造的「光學高速公路」，讓數據在晶片內暢行無阻，透過微型透鏡直接進行高速、平行的數學運算，大大減少了計算複雜度和能源消耗，更為AI系統的未來發展開闢了更廣闊的道路。(941字；圖1)

參考資料：
Light-powered chip makes AI 100 times more efficient. ScienceDaily. 2025/09/09
Near-energy-free photonic Fourier transformation for convolution operation acceleration. Advanced Photonics. 2025/09/08. DOI: 10.1117/1.AP.7.5.056007

歡迎來粉絲團按讚！

--------------------------------------------------------------------------------------------------------------------------------------------